문맥 인식 다중 경로 네트워크

다양한 맥락을 효과적으로 처리하는 단일 네트워크를 구축하는 것은 일반화된 지능을 달성하기 위한 흥미로운 단계입니다. 기존의 네트워크 깊이 증가, 넓이 확장, 그리고 네트워크 조립 방법들은 일반적으로 비용 효율적이지 않습니다. 이에 따라 입력의 맥락에 따라 자원을 할당하고 네트워크 내 정보 흐름을 조절할 수 있는 네트워크가 효과적입니다. 본 논문에서는 데이터 종속 라우팅이 가능한 병렬 텐서 간 경로를 가진 다중 경로 신경망인 Context-Aware Multipath Network (CAMNet)을 제시합니다. 실험 결과, 우리의 모델은 개별 데이터셋과 여러 다른 데이터셋에서 동시에 또는 순차적으로 변동성을 포착하는 일반화 모델로서 작동함을 보였습니다. CAMNet은 개별 데이터셋, 순차적인 데이터셋, 그리고 결합된 데이터셋을 고려할 때 동일한 단일 경로, 다중 경로, 그리고 더 깊은 단일 경로 네트워크와 비교하여 분류 및 픽셀 라벨링 작업의 성능을 초월합니다. CAMNet에서의 텐서 간 데이터 종속 라우팅은 모델이 정보 흐름을 엔드-투-엔드로 제어하며, 공통 자원과 도메인 특화 자원 중 어느 것을 사용할지를 결정할 수 있게 합니다.